GLM 5/5.1 · GPU 对比
GLM 5/5.1 — B300 vs GB200 NVL72
B300（NVIDIA Blackwell）与 GB200 NVL72（NVIDIA Blackwell）在 GLM 5/5.1 上的正面 AI 推理基准测试对比。涵盖各类 LLM 工作负载的延迟、吞吐量与成本。使用下方图表控件切换序列、精度和指标——交互方式与主推理图表相同。
在 40–147 tok/s/user 交互性区间的低端，即 GLM 5/5.1 上以 66 tok/s/user 运行时：B300 达到 2325 tok/s/GPU（$0.28/百万 token），GB200 NVL72 达到 6488（$0.09/百万）。GB200 NVL72 每 token 成本低 196%；GB200 NVL72 每 GPU 吞吐量高出 179%。
以 93 tok/s/user 为目标在 GLM 5/5.1 上运行时，B300 产出 1655 tok/s/GPU（每百万 token $0.39），GB200 NVL72 产出 1987（$0.31）。GB200 NVL72 每 token 成本低 27%；GB200 NVL72 每 GPU 吞吐量高出 20%。
在 GLM 5/5.1 上以 120 tok/s/user 交互性运行时，B300 吞吐量为 1249 tok/s/GPU，每百万 token 成本 $0.52；GB200 NVL72 吞吐量为 1117 tok/s/GPU，成本 $0.54。B300 每 token 成本低 4%；B300 每 GPU 吞吐量高出 12%。 （数据反映此 URL 的默认 8k/1k · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | B300:2325.4GB200 NVL72:6487.8 | B300:1655.2GB200 NVL72:1986.6 | B300:1248.7GB200 NVL72:1116.7 |
| Cost ($/M tok) | B300:$0.280GB200 NVL72:$0.094 | B300:$0.393GB200 NVL72:$0.309 | B300:$0.518GB200 NVL72:$0.540 |
| tok/s/MW | B300:1223886GB200 NVL72:3469426 | B300:871183GB200 NVL72:1062375 | B300:657200GB200 NVL72:597141 |
| Concurrency | B300:~17GB200 NVL72:~838 | B300:~9GB200 NVL72:~82 | B300:~4GB200 NVL72:~67 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。
厂商:
聚合模式:
投机解码: